Легендарна функція Антропіка: створення будь-якого додатку або бізнес-процесу тепер — автоматична оптимізація, а не написання коду промтами
Антропік додał до API Claude-code команди eval та hillclimb, що дозволяють автоматично оптимізувати додатки та бізнес-процеси за заданими метриками. Це зменшує потребу в ручному підборі промтів і робить продуктовий розвиток більш дійсним і метрично орієнтованим.
🚀 Практичний інструмент. Для власників продуктів, які хочуть автоматично оптимізувати процеси без написання промтів — працює, якщо у вас є доступ до Claude-code API та чіткі метрики успіху.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Дата анонсу: 29 вересня 2026 року
- •Доступно через API Claude-code (потребує підписки на Anthropic)
- •Не вимагає додаткового ліцензування коду, працює з существуючими даними
- •Основна вимога — визначення кількісної метрики успіху, яку не можна «перефітнути»
- •Придатно для будь-якої галузі, де є логи, трейси або дані про поведінку користувачів
Як це змінить ваш ринок?
Виробники програмного забезпечення зможуть зменшити час виходу нових функцій на 30–50 % завдяки автоматичному підбору оптимізацій, що знімає блокер ручного експерименту з промтами. Це також зменшує залежність від дорогих фахівців з промт‑інжинірингу та робить процес більш передбачуваним.
Визначення: Автоматична оптимізація через eval/hillclimb — процес, у якому система автоматично генерує гіпотетичні зміни, перевіряє їх за допомогою метрики eval і піднімає метрику за допомогою hillclimb, без ручного написання промтів.
Для кого це і за яких умов
Потрібен доступ до Claude-code API (підписка на Anthropic, вартість за токеном — дані не розкриті, орієнтовно $0.08 за 1K токенів). Для впровадження достатнього одного інженера або продукт‑володар, який може визначити метрику успіху. Мінімальний масштаб — одна команда з доступом до даних (логи, трейси, tickets). Час на впровадження: від 4 годин до 2 днів, залежно від складності метрики і готовності даних. Якщо метрика вже підрахована в вашій системі аналітики, запуск може зайняти менше години.
Альтернативи
| Продукт | Ціна | Де працює | Мін. вимоги | Ключова різниця |
|---|---|---|---|---|
| OpenAI API + fine‑tuning | $0.06 за 1K токенів (тренування) + $0.03 за 1K токенів (inference) | Готові моделі GPT‑4/3.5 | Потребує підготовки датасету для fine‑tuning, час тренування від кількох годин | Руче підбір промтів все ще потрібен для поведінки моделі |
| Google Vertex AI Custom Training | згідно з використанням ресурсів (GPU‑година ~$0.50) | Google Cloud | Потребує настроювання пайплайну Vertex AI, знання TensorFlow/PyTorch | Повний контроль над архітектурою моделі, але складніше для швидких експериментів |
| Hugging Face AutoTrain | безкоштовно для базових моделей, комерційні плани від $9/міс | Hugging Face Hub | Потребує репозиторію з даними, базові знання трансформерів | Простота використання, але менша гнучкість у кастомних метриках оптимізації |
| Azure Machine Learning Automated ML | згідно з використанням ресурсів (в середньо $0.40/година) | Azure | Потребує підписки на Azure та базові навички роботи з AML Studio | Інтеграція з корпоративними сервісами Microsoft, але менша прозорість у процесі оптимізації |
💬 Часті запитання
Чи потрібна глибока conoscenza машинного навчання для використання eval/hillclimb?
Ні. Достатньо вказати метрику успіху та надати доступ до логів або трейсів; система саме генерируеті та тестує зміни.
Чи працює це з неструктурованими текстами, такими як листи клієнтів?
Так. Якщо ви можете перетворити текст на числову метрику (наприклад, відсоток позитивних відгуків), алгоритм буде оптимізувати під нею.
Чи є обмеження на кількість ітерацій hillclimb?
Обмеження залежить від вашого тарифу та доступних обчислювальних ресурсів; за замовчуванням Anthropic дозволяє до 1000 ітерацій на запит, щоб уникнути витрат надмірних ресурсів.
Чи потрібна окрема команда дані‑саєнтисів для налаштування метрик?
Не обов’язково. Метрика може бути простим KPI, який вже розраховується в вашій системі (наприклад, відсоток закритих ticket‑ів за 24 години). Команда потрібна лише для валідації того, що метрика не може бути легким способом «переfitнути».
Як швидко можна очікувати перших покращень після запуску hillclimb?
Зазвичай перші помітні зміни метрики з’являються після 10–50 ітерацій, що при середньому обсязі даних займає від кількох хвилин до години.
Підтекст
Антропік таким чином підкріплює свою позицію як постачальника не просто моделей, а інструменту для повного продуктивного циклу. Це також сигнал ринку, що майбутнє належить платформам, які здатні замикати петлю «метрика → експеримент → покращення» без людського втручання.
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
e/acc — оригіналAI Advisory Board
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiadvisoryboard.me